DeepSeek帶崩全球股市，原因何在？

今天，美股人工智能概念股全線下跌，並且深跌。

原因何在呢？當然坊間大多歸因於DeepSeek這一款人工智能大模型的橫空出世，這款大模型打開了人工智能發展的新方向，那就是不再是依賴算力的堆積，而是有了新的創新方向——算法創新。

這個問題，我在近一年前寫了一篇文章，預測了這一現象：

在經濟學上，這叫邊際報酬律遞減。也即，算力的堆砌，總有一天會來到一個邊際報酬率很低的程度。

但什麼時候會來，不知道，這需要企業家來判斷，但遲早會來。

假設你經營一家手工皮具作坊，只有1臺縫紉機和1名匠人。這時出現一個關鍵問題：如何配置有限的生產要素才能獲得最佳效果？

增加勞動力

當你有1名匠人時，每天能做5個錢包

增加到2名匠人，共同使用1臺機器，交替作業，日產量升至9個

增加到3名匠人，機器使用開始衝突，日產量12個

繼續增加到4人，機器超負荷運轉頻繁故障，日產量反降至10個

這裡呈現的正是邊際報酬遞減：每新增1名工人帶來的產量增加逐步減少，甚至轉爲負值。

奧派經濟學家門格爾指出，這是因爲生產要素之間存在特定組合比例，當某種要素（這裡指機器）成爲瓶頸時，盲目追加其他要素（勞動力）反而破壞整體產量。

進一步進行理論分析則是：

要素異質性：每臺機器、每個工人的技能都有差異，不是可以無限分割的"標準件"

時間結構：生產需要各環節協調，某個環節的阻塞會產生連鎖反應

企業家判斷：優秀的生產者會及時察覺邊際變化，調整要素組合

假設你有1畝農田種植西紅柿：

初始投入：1個農民+基礎農具，年產1000公斤

追加化肥：

第1袋化肥增產300公斤 → 總產1300公斤

第2袋化肥增產200公斤 → 總產1500公斤

第3袋化肥增產50公斤 → 總產1550公斤

第4袋化肥導致土壤板結，減產100公斤 → 總產1450公斤

這個過程中，每新增1袋化肥的邊際產量從300公斤一路下降到負數。

但發現報酬遞減，是需要逐步試錯才能發現。

那大堆模推積算力的這個路徑就此終結了嗎？不一定。

用更少的算力達成了更佳的效果，但當然會引發全球人工智能企業研究DEEPSEEK的方法，大家都會去尋找一條冷的的路徑，因爲，這將節約大模型的最爲主要的投入與成本。

但算法優化，一樣存在報酬遞減率。

人工智能大模型，早在很多年前就已經有了完整的代碼，代碼的先進程度也是足夠高的，是OPENAI發現了大力創造奇蹟的路徑，發現了算法優化進入了報酬遞減率，他引入了新的生產要分析——算力，這纔開創了這個行業。

但任何一個生產要素的投入，總會在階段性形成遞減的拐點。拐點在哪，都要靠企業家去試錯。

企業家永遠在試錯的路上，這也證明了企業壟斷之不可能。

即使你已經領先了，有了超級規模的算力，甚至是幾千億美元的投入，你也無法達到獨佔市場之目的，永遠有新的企業在新的領域發起搶奪市場的競爭。

沒有任何一個大企業可以安坐在市場份額的寶座上躺平賺錢，永遠會有人在新的領域向你發起挑戰。

淘寶沒有想到拼多多能搶他一半的市場份額，騰訊沒有想到字節用一款短視頻就搶奪了用戶最多的互聯網時間。

競爭永遠在任何地方展開。

只要允許市場競爭，沒有任何一個企業能長期保持不敗。

奧特曼之前狂賭上萬億算力投入，就是一種風險極高的行動，他忽略了報酬遞減有可能發揮作用。

企業的未來永遠充滿不確定性，DEEPSEEK只是一個非常小的人工智能企業，但卻給巨頭們帶來了巨大的威脅。

巨頭壟斷說，可以休矣。